I sin enkleste form, fare forholdet kan tolkes som muligheten for at en hendelse inntreffer i behandlingen arm delt av muligheten for arrangementet, som foregår i kontroll arm, eller vice versa, for en studie. Løsningen på disse endepunktene er vanligvis avbildet ved hjelp av Kaplan–Meier overlevelse kurver. Disse kurvene knyttet andelen av hver gruppe hvor endepunktet har ikke blitt nådd., Endepunktet kan være noe avhengig variabel forbundet med covariate (uavhengige variable), f.eks. død, ettergivelse av sykdom eller sammentrekning av sykdom. Kurven representerer oddsen for et endepunkt å ha oppstått ved hvert punkt i tid (fare). Det ideelle forholdet er rett og slett forholdet mellom de umiddelbare farer i to grupper, og representerer, i et enkelt tall, omfanget av avstanden mellom Kaplan–Meier tomter.

Hazard ratio reflekterer ikke en gang enheten av studien., Forskjellen mellom fare-basert og tid-baserte tiltak er knyttet til forskjellen mellom oddsen for å vinne et løp og margin på seier. Når en studie rapporterer en hazard ratio per tidsperiode, er det antatt at forskjellen mellom gruppene var forholdsmessig. Hazard ratio meningsløse når denne forutsetning om proporsjonalitet er ikke oppfylt.

Hvis proportional hazard forutsetningen holder, en hazard ratio av en betyr likeverd i fare pris i de to gruppene, mens en hazard ratio andre enn ett angir forskjellen i fare priser mellom grupper., Forskeren viser sannsynligheten for at denne prøven forskjellen skyldes tilfeldigheter ved å rapportere sannsynligheten forbundet med noen teststatistikk. For eksempel, β {\displaystyle \beta } fra Cox-modellen eller log-rank test kan da brukes til å vurdere betydningen av eventuelle forskjeller observert i disse overlevelse kurver.

Konvensjonelt, sannsynligheter lavere enn 0.05 anses som betydelig, og forskere gir et 95% konfidensintervall for hazard ratio, for eksempel hentet fra standard avvik av Cox-modellen regresjons-koeffisient, dvs., β {\displaystyle \beta } . Statistisk signifikant fare forholdstall kan ikke inkluderer enhet (en) i sin konfidensintervaller.

proporsjonal farer assumptionEdit

proporsjonal farer forutsetning for hazard ratio estimering er sterk og ofte urimelig. Komplikasjoner, bivirkninger og sen-effekter er alle mulige årsaker til endring i fare pris over tid. For eksempel, et kirurgisk inngrep som kan ha høy tidlig risiko, men gode langsiktige resultater.

Hvis hazard ratio mellom grupper forblir konstant, dette er ikke et problem for tolkning., Men tolkning av hazard ratio blir umulig når utvalget bias eksisterer mellom grupper. For eksempel, en spesielt risikofylt operasjon kan resultere i overlevelse for en systematisk mer robust gruppe som ville ha klart seg bedre under noen av de konkurrerende behandling forhold, noe som gjør at det ser ut som om den risikable prosedyren ble bedre. Oppfølging tid er også viktig. En kreft assosiert med bedre syndenes priser kan på oppfølging være forbundet med høyere tilbakefall., Forskerne’ beslutning om når du skal følge opp er vilkårlig og kan føre til veldig forskjellige rapportert hazard ratio.

De hazard ratio og survivalEdit

Mens hazard ratio tillate for hypotesetesting, de bør vurderes sammen med andre tiltak for tolkning av behandling effekt, f.eks. forholdet mellom median ganger (median ratio) som behandling og kontroll gruppe deltakere er på noen endepunkt., Hvis analogien av en rase som er brukt, og hazard ratio er lik oddsen for at en person i gruppen med høyere fare når slutten av løpet først. Sannsynligheten for å være første kan være avledet fra oddsen, som er sannsynligheten for å være første dividert med sannsynligheten for ikke å være først:

• T = S/(1 − P); P = T/(1 + T).

I forrige eksempel, en hazard ratio på 2 tilsvarer 67% sjanse for en tidlig død. Den hazard ratio ikke formidle informasjon om hvordan snart døden vil inntreffe.,

De hazard ratio, behandling effekt og tid-basert endpointsEdit

Behandling effekten avhenger av underliggende sykdom relatert til overlevelse funksjon, ikke bare hazard ratio. Siden hazard ratio ikke gir oss direkte tid til informasjon, forskere har til å rapportere median endepunkt ganger og beregner medianen endepunkt tid forholdet ved å dele kontrollgruppen median verdi ved behandlingen gruppen median verdi.

Mens medianen endepunkt forholdet er en relativ hastighet mål, hazard ratio er det ikke., Forholdet mellom behandling effekt og hazard ratio er gitt som e β {\displaystyle e^{\beta }} . En statistisk viktig, men praktisk talt ubetydelig effekt kan produsere en stor fare forhold, f.eks. en behandling økende antall ett-år overlevende i en befolkning fra én 10.000 til en 1000 har en hazard ratio på 10. Det er lite sannsynlig at en slik behandling ville ha hatt mye innvirkning på median endepunkt tid forhold, som trolig ville ha vært nær enhet, dvs. dødeligheten var i stor grad de samme uavhengig av gruppemedlemskap og klinisk ubetydelig.,

i motsetning behandling for gruppen som 50% av infeksjoner er løst etter en uke (mot 25% i control) gir en hazard ratio for to. Hvis det tar ti uker for alle saker i behandlingsgruppe og halvparten av tilfellene i kontrollgruppen å løse, de ti-ukers hazard ratio fortsatt på to, men median endepunkt tid forholdet er ti, en klinisk signifikant forskjell.